[论文解读] How bad is selfish routing in practice?

Barnabé Monnot, Francisco Benita+1 more|arXiv (Cornell University)|Mar 5, 2017

Game Theory and Applications参考文献 25被引用 12

一句话总结

本研究基于新加坡国家科学实验的大规模数据集，实证研究了现实交通中自私路径选择的价（PoA）。该数据集追踪了数千名学生的通勤行为。研究发现，实证PoA介于1.11至1.22之间，表明系统性能接近最优，个体遗憾值较低，且多日间路线选择具有一致性。

ABSTRACT

Routing games are one of the most successful domains of application of game theory. It is well understood that simple dynamics converge to equilibria, whose performance is nearly optimal regardless of the size of the network or the number of agents. These strong theoretical assertions prompt a natural question: How well do these pen-and-paper calculations agree with the reality of everyday traffic routing? We focus on a semantically rich dataset from Singapore's National Science Experiment that captures detailed information about the daily behavior of thousands of Singaporean students. Using this dataset, we can identify the routes as well as the modes of transportation used by the students, e.g. car (driving or being driven to school) versus bus or metro, estimate source and sink destinations (home-school) and trip duration, as well as their mode-dependent available routes. We quantify both the system and individual optimality. Our estimate of the Empirical Price of Anarchy lies between 1.11 and 1.22. Individually, the typical behavior is consistent from day to day and nearly optimal, with low regret for not deviating to alternative paths.

研究动机与目标

• 实证测量现实交通网络中的价（PoA），超越理论模型。
• 通过估算每日遗憾值（即若拥有完整交通信息，通勤者本可快多少），量化个体层面的低效程度。
• 通过测量连续多日间的路线一致性，评估路径决策的稳定性。
• 利用真实人类行为数据，评估理论上的PoA保证是否在现实中成立。
• 探索这些发现对不同聚类方法和数据抽象技术的鲁棒性。

提出的方法

• 利用来自新加坡国家科学实验的语义丰富数据集，记录了数千名学生的个体移动轨迹及出行方式。
• 通过反向优化和路径推断技术，将嘈杂的GPS与传感器数据映射为离散的起点-终点路径。
• 识别可比的用户聚类，以估算反事实路径结果并计算个体遗憾值。
• 通过比较实际系统成本与在完全信息下的最优成本，估算实证PoA。
• 采用多种聚类方法和多日重复测量进行稳健性检验。
• 使用反向优化估算用户成本函数和基于观测路径行为的起点-终点需求。

实验结果

研究问题

• RQ1 现实交通中，实证PoA与路径博弈理论边界相比如何？
• RQ2 个体通勤者在日常交通中因次优路线选择而经历的遗憾程度有多大？
• RQ3 个体路径决策在连续多日间的一致性如何，反映出系统稳定性或均衡状态？
• RQ4 理论博弈论概念（如PoA与遗憾）能否通过真实人类移动数据进行有意义的测量？
• RQ5 实证发现对数据聚类与抽象方法的变化有多大的鲁棒性？

主要发现

• 新加坡现实交通网络中的实证PoA介于1.11至1.22之间，表明系统性能接近最优。
• 个体通勤者遗憾值较低，大多数人的实际出行时间接近在完全信息下可达到的最佳路线时间。
• 连续多日间观察到高度的路线一致性，表明日常路径选择行为稳定且接近均衡状态。
• 研究结果表明，理论博弈论对PoA的预测在真实交通行为中具有实证基础。
• 研究证实，个体行为既具有一致性，又近乎最优，偏离当前路线的动机极小。